龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：华南理工大学
申请日：2024-04-07
公开（公告）日：2024-06-18
公开（公告）号：CN118210978A
主分类号：G06F16/9535
分类号：G06F16/9535;G06F16/906;G06N3/0464;G06N3/094;G06N3/086
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明公开了一种基于奇偶层图对比学习和交叉配对采样的流行度偏差消除推荐方法，所述方法包括：根据获取的用户与物品交互的数据集，构建二分图；将二分图的邻接矩阵输入去偏推荐模型中的图卷积网络，将所有卷积层的输出均值作为用户和物品的原始视图；将二分图的邻接矩阵输入去偏推荐模型中的噪音扰动的图卷积网络，基于节点在卷积奇数层和偶数层的邻居结构关系，构建对比视图；对数据集采用交叉配对采样得到训练集；根据训练集和原始视图计算主任务的损失函数，根据对比视图计算代理任务的损失函数；对两个损失函数共同优化得到最终的节点表示；根据最终的节点表示，得到用户对应的无偏物品推荐列表。本发明能够很好地消除推荐结果中的流行度偏差，在保证推荐准确性的前提下，有效地提升推荐结果的多样性。
主权项：1.一种基于奇偶层图对比学习和交叉配对采样的流行度偏差消除推荐方法，其特征在于，所述方法包括：根据获取的用户与物品交互的数据集，构建二分图；将二分图的邻接矩阵和初始特征向量矩阵输入去偏推荐模型中的图卷积网络，将所有卷积层的输出均值作为用户和物品的原始视图；将二分图的邻接矩阵输入去偏推荐模型中的噪音扰动的图卷积网络，得到每个噪音扰动卷积层输出的增强的用户和物品的视图；根据增强的用户和物品的视图，基于节点在卷积奇数层和偶数层的邻居结构关系，分别构建异构和同构邻居对比视图；根据所述数据集，通过交叉配对采样得到训练集；根据训练集和原始视图，计算主任务的损失函数；根据异构和同构邻居对比视图计算代理任务的损失函数；通过对主任务和代理任务的损失函数共同优化得到最终的节点表示；根据最终的节点表示预测用户和物品的相关性分数，根据相关性分数为用户筛选出无偏的物品推荐列表。
全文数据：
权利要求：
百度查询： 华南理工大学 基于奇偶层图对比学习和交叉配对采样的流行度偏差消除推荐方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号